ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

************

BÀI BÁO CÁO CUỐI KỲ

GVHD: Ths. Nguyễn Thị Thùy Trâm

Lớp: CN2.K2023.2
HVTH: Nhóm 3
Môn: Giới thiệu công nghệ thông tin

Lê Thị Huỳnh Nhi 23210139

Ngô Thị Thanh Hương 23210118

Nguyễn Hồng Cẩm Khánh 23210122

Ngô Khôi 23210126

Lê Văn Quân 23210146

Phạm Nguyễn Minh Hiếu 23210112

Hoàng Minh Hiếu 23210110

MỤC LỤC
1. Trí tuệ nhân tạo AI 4
1.1. Tổng quan 4
1.2. Ứng dụng AI tại Amazon 5
1.2.1. Đề xuất sản phẩm được cá nhân hóa 5
1.2.2. Mua sắm bằng giọng nói với sự hỗ trợ của trợ lý ảo Alexa 8
2. Học máy 11
2.1. Khái niệm 11
2.2. Ứng dụng của học máy 11
2.2.1. Ứng dụng trong lĩnh vực y tế 11
2.2.2. Ứng dụng trong lĩnh vực tài chính 13
2.2.3. Ứng dụng trong lĩnh vực bán lẻ 14
3. Blockchain 15
3.1. Khái niệm 15
3.2. Ứng dụng blockchain 15
3.2.1. Ứng dụng blockchain trong quản lý chuỗi cung ứng 15
3.2.2. Ứng dụng blockchain trong tài chính ngân hàng. 18
3.2.3. Ứng dụng blockchain trong giáo dục 19
3.2.4. Ứng dụng blockchain trong lĩnh vực y tế 20
3.2.5. Ứng dụng blockchain lĩnh vực năng lượng 22
4. Ngôn ngữ lập trình sử dụng phát triển trí tuệ nhân tạo 23
4.1. Ngôn ngữ Python 23
4.1.1. Đặc điểm 23
4.1.2. Ưu điểm 23
4.1.3. Nhược điểm 23
4.1.4. Dự án ứng dụng 24
4.1.4.1. TensorFlow và PyTorch 24
 4.1.4.2. Thư viện Scikit-learn cho Machine Learning 24
4.2. Ngôn ngữ C++ 25
4.2.1. Đặc điểm 25
4.2.2. Ưu điểm 25
4.2.3. Nhược điểm 25
4.2.4. Dự án ứng dụng 25
4.2.4.1 Thư viện OpenCV 25
4.2.4.2. Game Development 26
 1. Trí tuệ nhân tạo AI

1.1. Tổng quan

Sự phát triển của Trí tuệ nhân tạo đã qua nhiều giai đoạn, đặc biệt với sự phát triển
của dữ liệu lớn và học máy những năm gần đây đã tạo nền tảng cho trí tuệ nhân tạo
được ứng dụng ở nhiều lĩnh vực và ở nhiều tổ chức :
Dưới đây là tóm tắt một số ứng dụng chính của AI ở các lĩnh vực và các tổ chức :

Lĩnh vực ứng dụng Ứng dụng cụ thể Ví dụ một số tổ chức

Xử lý Ngôn ngữ Tự nhiên (NLP) a) Chatbots và trợ lý ảo a) IBM (Watson), Google (Google
Assistant), Amazon (Alexa)
b) Dịch máy và phiên
dịch tự động b) Google (Google translate),
Microsoft (Microsoft
c) Phân tích cảm xúc
Translator)

c) IBM (Watson), Microsoft

(Azure), Affectiva

Thị giác máy tính (Computer a) Nhận dạng ảnh a) Google (Google Photos),
Vision) Amazon (Rekognition)
b) Xử lý ảnh y tế
b) Zebra Medical Vision
c) Xử lý ảnh tự động
c) Cognex

Ô tô tự hành (Self-Driving Cars) a) Hệ thống lái tự động Tesla, General Motors

b) Nhận dạng vật cản

Khai phá dữ liệu (Data Mining) a) Dự đoán và phân tích
a) SAS, Oracle
b) Phát hiện lừa đảo
c) Tùy chỉnh sản phẩm b) IBM security
và dịch vụ
c) Netflix, Amazon

Y học và Chăm sóc sức khỏe a) Chẩn đoán bệnh

a) IBM Watson for Health
(Healthcare) b) Phát triển dược
phẩm b) Atomwise
c) Quản lý bệnh
c) Tempus

Robot và Tự động hóa Robot công nghiệp, Siemens, ABB

Robot dịch vụ
Thư viện số và Giáo dục a) Hệ thống đề xuất
a) Coursea
b) Học trực tuyến và
giảng dạy b) IBM Watson Education

Tài chính và Dự đoán thị trường a) Giao dịch tài chính

a) Blackrock, Goldman Sachs
tự động
b) Phân tích rủi ro b) Verisk Analytics

1.2. Ứng dụng AI tại Amazon

1.2.1. Đề xuất sản phẩm được cá nhân hóa

Amazon sử dụng AI để phân tích dữ liệu mua sắm và hành vi trực tuyến của khách
hàng, từ đó đề xuất sản phẩm và nội dung phù hợp thông qua hệ thống gợi ý. Điều này
được tích hợp vào hầu hết các bước của quy trình mua hàng từ khám phá sản phẩm
đến thanh toán, giúp tăng cường trải nghiệm mua sắm cho khách hàng và tăng doanh
số bán hàng. Theo một báo cáo của McKinsey & Company năm 2013, các đề xuất sản
phẩm được cá nhân hóa đã đem lại mức tăng doanh thu 35% cho Amazon.
Dưới đây là ví dụ về cách khách hàng được đưa ra các đề xuất trên ứng dụng di động,
trang web và thậm chí cả email của Amazon :
 Hình 1.2.1.(a) Giao diện web Amazon.com
Từ thời điểm khách hàng đăng nhập, họ sẽ thấy nhiều tiêu đề đề xuất khác nhau. Khi
họ nhấp vào một trong những tiêu đề này, chẳng hạn như “Được đề xuất cho bạn”, họ
sẽ được đưa đến một trang khác nơi liệt kê các đề xuất sản phẩm được cá nhân hóa
của họ và có thể được lọc theo nhiều tiêu chí khác nhau, bao gồm loại sản phẩm, đánh
giá của khách hàng, v.v.
Thuật toán đề xuất của Amazon hoạt động bằng cách khớp các giao dịch mua trước
đó của mỗi khách hàng với các sản phẩm tương tự. Sau đó, thuật toán tổng hợp các
sản phẩm tương tự này thành danh sách đề xuất cho từng khách hàng. Ý tưởng là tạo
ra các đề xuất phù hợp hơn với những gì khách hàng có khả năng mua hơn các đề xuất
được tạo ra bằng cách mua hàng của những khách hàng tương tự khác.
Cách hoạt động của thuật toán, dưới sự giải thích của Amazon :
Phương pháp đề xuất cũ dựa trên danh sách các sản phẩm bán chạy nhất qua các kênh
vật lý và online. Tuy nhiên Amazon đã nhận ra phương pháp đề xuất này không tính
đến các sở thích riêng của từng khách hàng và thất bại trong việc nắm bắt nhu cầu các
nhu cầu đặc thù của từng khách hàng.
Với sự hỗ trợ của thuật toán, phương pháp đề xuất mới của Amazon có thể giúp khách
hàng khám phá các sản phẩm liên quan được cá nhân hóa, ví dụ như một khách hàng
mới mua máy ảnh có thể được đề xuất các sản phẩm như túi đựng máy ảnh hoặc ống
kính máy ảnh. Với thuật toán này Amazon đã nhận thấy đề xuất sản phẩm đã được
đem lại hiệu quả gấp 2 lần so với phương pháp cũ.
 Hình 1.2.1.(b). Ứng dụng Amazon
Một ví dụ nữa là cách Amazon cải tiến đề xuất xem phim cho khách hàng Prime
Video :
Cách hiểu truyền thống là các bộ phim kinh điển hoặc phim đoạt giải Oscar sẽ được
nhiều khách hàng quan tâm. Tuy nhiên Amazon đã phát hiện qua dữ liệu rằng trong
các buổi tối ở nhà một ngày mưa thứ bảy, khách hàng thích xem các bộ phim mới ra
chứ không phải các phim cũ kinh điển. Amazon đã phát triển mô hình mới để dự đoán
khách hàng sẽ muốn xem phim gì vào tuần tới dựa trên lịch sử các bộ phim khách
hàng đã xem và đã sử dụng mô hình này cho hàng loạt các sản phẩm khác của
Amazon

Hình 1.2.1.(c). Ứng dụng Amazon

1.2.2. Mua sắm bằng giọng nói với sự hỗ trợ của trợ lý ảo Alexa
Trợ lý ảo Alexa của Amazon cho phép khách hàng tìm và mua sản phẩm cũng như
thực hiện quy trình thanh toán bằng lời nói thay vì nhấp hoặc chạm vào màn hình.
Điều này cho phép khách hàng có được trải nghiệm thanh toán thuận tiện, không cần
dùng tay. Với sự hỗ trợ của Alexa, khách hàng có thể theo dõi quá trình ship hàng và
thời gian dự kiến nhận được hàng. Đối với Amazon, khoản đầu tư vào AI này cho
phép công ty duy trì lợi thế cạnh tranh trong việc cung cấp sự tiện lợi cho người tiêu
dùng.
Amazon giải thích cách hoạt động chung của Alexa như sau :
Các thiết bị [sử dụng hỗ trợ của Alexa] sử dụng công nghệ tích hợp khớp với những gì
khách hàng nói với mẫu âm thanh của từ khóa (wake word) … Khi thiết bị phát hiện
từ khóa, thiết bị sẽ gửi yêu cầu của khách hàng tới đám mây bảo mật của Amazon, nơi
sẽ xác minh từ khóa trong khi yêu cầu của khách hàng đang được xử lý. Sau khi xác
nhận, câu trả lời cho yêu cầu của khách hàng sẽ được gửi lại. Ví dụ: khi khách hàng
nói: “Alexa, phát các bản hit hàng đầu từ Amazon Music”, Amazon sẽ sử dụng
recording yêu cầu của khách hàng và thông tin của khách hàng từ Amazon Music để
phát các bản hit hàng đầu cho khách hàng trên thiết bị của họ.
Trong một bài báo năm 2018, các nhà nghiên cứu của Amazon đã giải thích về năng
lực của Alexa khi ra mắt các thiết bị mới có sự hỗ trợ Alexa. Họ giải thích rằng một
trong những cách mà nhóm Alexa đào tạo mạng lưới thần kinh là sử dụng “mô hình
chỉ có giọng nói” xác định và sắp xếp các cách nói dựa trên hai tham số mà họ gọi là
“mục đích và vị trí”. Mục đích liên quan đến hành động mà khách hàng muốn Alexa
thực hiện và vị trí này cung cấp cho mô hình thêm thông tin chi tiết về ý định.
Ví dụ: nếu khách hàng yêu cầu một thiết bị có sự hỗ trợ Alexa phát Harry Potter thì
mục đích được xác định sẽ là “phát” liên quan đến một bộ phim. Ngược lại, giá trị vị
trí sẽ xác định “Harry Potter” là tên phim mà khách hàng muốn thiết bị có sự hỗ trợ
Alexa phát.
 Hình 1.2.2. Ứng dụng Amazon
Quá trình mua sắm bằng giọng nói có sự hỗ trợ Alexa cũng tương tự. Người dùng có
thể kích hoạt Alexa và bắt đầu liệt kê các mặt hàng họ muốn tìm kiếm, mua hoặc thêm
vào danh sách mua sắm của mình. Khi các mặt hàng được thêm vào danh sách mua
sắm của khách hàng thông qua tính năng mua sắm bằng giọng nói của Alexa, họ có
thể truy cập phiên bản văn bản của danh sách này trong ứng dụng Alexa của mình và
thực hiện các thay đổi sau đó.
Amazon tuyên bố rằng người dùng có thể kích hoạt mua sắm bằng giọng nói với
Alexa thông qua các thiết bị hỗ trợ Alexa của họ, chẳng hạn như Echo, Amazon Fire
TV Cube, Echo Dot, v.v. Công ty cũng tuyên bố rằng Alexa hỗ trợ người dùng bằng
cách đề xuất các loại sản phẩm họ thường mua hoặc đề xuất các sản phẩm được gắn
nhãn “Amazon’s Choice” nếu họ tìm kiếm một mặt hàng mà họ chưa từng mua trước
đây.
Dưới đây là một số ví dụ từ Amazon :
Yêu cầu Alexa chia sẻ danh sách shopping tới người dùng khác
Yêu cầu Alexa mua sắm lại những đồ đã order trong quá khứ

Yêu cầu Alexa đưa ra khuyến nghị mua đồ mới

Yêu cầu Alexa thông tin về tình hình ship hàng

2. Học máy

2.1. Khái niệm

Học máy là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây
dựng các kỹ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những
vấn đề cụ thể.
Học máy cho phép máy tính thực hiện các tác vụ mà trước đây chỉ con người mới có
thể thực hiện, chẳng hạn như:
- Phân loại: Xác định các mẫu trong dữ liệu và sử dụng các mẫu đó để phân loại
các mục mới. Ví dụ: một hệ thống phân loại có thể được sử dụng để xác định
các loại cây dựa trên hình ảnh của chúng.
- Tiên đoán: Dự đoán giá trị của một biến trong tương lai dựa trên dữ liệu lịch
sử. Ví dụ: một hệ thống dự đoán có thể được sử dụng để dự đoán giá cổ phiếu
trong tương lai.
- Khối lượng công việc: Tự động hóa các tác vụ dựa trên dữ liệu. Ví dụ: một hệ
thống khối lượng công việc có thể được sử dụng để tự động hóa quá trình phân
tích dữ liệu.

2.2. Ứng dụng của học máy

2.2.1. Ứng dụng trong lĩnh vực y tế

Y tế là một trong những lĩnh vực ứng dụng học máy sớm và mạnh mẽ nhất. Học máy
được sử dụng trong y tế để phát triển các công cụ chẩn đoán, điều trị, và nghiên cứu
mới.
Một ứng dụng quan trọng của học máy trong y tế là chẩn đoán bệnh. Các hệ thống
phân tích hình ảnh y tế sử dụng học máy để phân tích hình ảnh y tế, chẳng hạn như
ảnh chụp X-quang, chụp cắt lớp vi tính (CT), và chụp cộng hưởng từ (MRI). Các hệ
thống này có thể được sử dụng để phát hiện các bệnh, chẳng hạn như ung thư, bệnh
tim, và bệnh Alzheimer.
Ví dụ: Hệ thống chẩn đoán hình ảnh VinDr được ứng trong việc hỗ trợ bác sĩ chẩn
đoán hình ảnh bệnh lý phổi trên ảnh X quang lồng ngực, chẩn đoán ung thư vú trên
hình ảnh X quang tuyến vú, xác định các bất thường trên hình ảnh CT/MRI sọ não và
phát hiện các bất thường trên phim chụp X-quang cột sống đã được thử nghiệm lâm
sàng tại một số bệnh viện lớn như Bệnh viện Trung ương Quân đội 108, Bệnh viện
Đại học Y Hà Nội, Bệnh viện Đa khoa Quốc tế Vinmec với độ chính xác khá cao.

Hình 2.2.1. Hệ thống VinDr hỗ trợ chẩn đoán ảnh X-Quang cột sống

Một ứng dụng khác của học máy trong y tế là điều trị bệnh. Các hệ thống điều trị cá
nhân hóa sử dụng học máy để phát triển các phương pháp điều trị phù hợp với từng
bệnh nhân. Các hệ thống này có thể được sử dụng để điều trị ung thư, bệnh tim, và các
bệnh mãn tính khác.
Ví dụ: Hệ thống điều trị ung thư của IBM Watson đã được sử dụng để giúp các bác sĩ
phát triển các kế hoạch điều trị cá nhân hóa cho bệnh nhân ung thư. Hệ thống này sử
dụng học máy để phân tích dữ liệu về lịch sử bệnh án, các xét nghiệm, và các lựa chọn
điều trị của bệnh nhân. IBM Watson for Oncology có thể cung cấp cho bác sĩ các
thông tin sau:
- Đánh giá nguy cơ của bệnh nhân: IBM Watson có thể sử dụng dữ liệu về bệnh
nhân để đánh giá nguy cơ của bệnh nhân mắc các biến chứng hoặc tử vong.
Thông tin này có thể giúp bác sĩ đưa ra các quyết định điều trị phù hợp hơn với
nguy cơ của bệnh nhân.
- Dự đoán hiệu quả của các phương pháp điều trị khác nhau: IBM Watson có thể
sử dụng dữ liệu về bệnh nhân để dự đoán hiệu quả của các phương pháp điều
 trị khác nhau. Thông tin này có thể giúp bác sĩ lựa chọn phương pháp điều trị
có khả năng thành công cao nhất.
- Đề xuất các phương pháp điều trị cá nhân hóa: IBM Watson có thể sử dụng dữ
liệu về bệnh nhân để đề xuất các phương pháp điều trị cá nhân hóa. Các
phương pháp điều trị này được thiết kế để phù hợp với nhu cầu cụ thể của từng
bệnh nhân.
Học máy cũng được sử dụng trong y tế để nghiên cứu các bệnh mới và phát triển các
loại thuốc mới. Các hệ thống phát hiện hợp chất mới sử dụng học máy để tìm kiếm
các loại thuốc mới có tiềm năng điều trị các bệnh như ung thư, bệnh Alzheimer, và các
bệnh mãn tính khác.
Ví dụ: Hệ thống phát hiện hợp chất mới của Google AI đã được sử dụng để phát hiện
các hợp chất mới có tiềm năng điều trị bệnh Alzheimer. Hệ thống này sử dụng một mô
hình học máy được gọi là mạng nơ-ron tích chập (CNN). CNN là một loại mô hình
học máy được sử dụng để phân tích dữ liệu hình ảnh. Trong trường hợp này, CNN
được sử dụng để phân tích cấu trúc hóa học của các hợp chất. Mặc dù hệ thống này
vẫn đang trong thời gian phát triển nhưng nó đã có được những thành tựu nhất định
như:
- Bệnh Alzheimer: Hệ thống này đã được sử dụng để phát hiện các hợp chất mới
có khả năng ức chế sự tích tụ của amyloid-beta, một chất gây ra bệnh
Alzheimer.
- Bệnh Parkinson: Hệ thống này đã được sử dụng để phát hiện các hợp chất mới
có khả năng ngăn chặn sự phân hủy của dopamine, một chất dẫn truyền thần
kinh quan trọng bị mất trong bệnh Parkinson.
- Bệnh ung thư: Hệ thống này đã được sử dụng để phát hiện các hợp chất mới có
khả năng ức chế sự phát triển của tế bào ung thư.
2.2.2. Ứng dụng trong lĩnh vực tài chính
Tài chính là một lĩnh vực khác ứng dụng học máy mạnh mẽ. Học máy được sử dụng
trong tài chính để đưa ra các quyết định đầu tư, quản lý rủi ro, và phát hiện gian lận.
Một ứng dụng quan trọng của học máy trong tài chính là đầu tư. Các hệ thống phân
tích dữ liệu tài chính sử dụng học máy để phân tích dữ liệu tài chính, chẳng hạn như
giá cổ phiếu, lãi suất, và biến động thị trường. Các hệ thống này có thể được sử dụng
để giúp các nhà đầu tư đưa ra các quyết định đầu tư hiệu quả hơn.
Một ứng dụng khác của học máy trong tài chính là quản lý rủi ro. Các hệ thống quản
lý rủi ro sử dụng học máy để giúp các tổ chức tài chính giảm thiểu rủi ro, chẳng hạn
như rủi ro tín dụng. Các hệ thống này có thể được sử dụng để đánh giá rủi ro của các
khoản đầu tư và các khoản vay.
Học máy cũng được sử dụng trong tài chính để phát hiện gian lận. Các hệ thống phát
hiện gian lận sử dụng học máy để phát hiện gian lận trong các hoạt động tài chính,
chẳng hạn như gian lận thẻ tín dụng. Các hệ thống này có thể được sử dụng để bảo vệ
các tổ chức tài chính khỏi bị gian lận.
2.2.3. Ứng dụng trong lĩnh vực bán lẻ
Bán lẻ là một lĩnh vực khác ứng dụng học máy mạnh mẽ. Học máy được sử dụng
trong bán lẻ để cá nhân hóa trải nghiệm khách hàng, quản lý hàng tồn kho, và tiếp thị.
Một ứng dụng quan trọng của học máy trong bán lẻ là cá nhân hóa trải nghiệm khách
hàng. Các hệ thống đề xuất sản phẩm sử dụng học máy để đề xuất các sản phẩm phù
hợp với nhu cầu của khách hàng. Các hệ thống này có thể giúp khách hàng mua sắm
hiệu quả hơn và tăng doanh thu cho các doanh nghiệp bán lẻ.
Một ứng dụng khác của học máy trong bán lẻ là quản lý hàng tồn kho. Các hệ thống
dự đoán nhu cầu sản phẩm sử dụng học máy để dự đoán nhu cầu sản phẩm trong
tương lai. Các hệ thống này có thể giúp các doanh nghiệp bán lẻ giảm thiểu lượng
hàng tồn kho dư thừa và tăng lợi nhuận.
Học máy cũng được sử dụng trong bán lẻ để tiếp thị. Các hệ thống nhắm mục tiêu
khách hàng sử dụng học máy để nhắm mục tiêu các chiến dịch tiếp thị đến các khách
hàng có nhiều khả năng quan tâm. Các hệ thống này có thể giúp các doanh nghiệp bán
lẻ tăng hiệu quả của các chiến dịch tiếp thị.

3. Blockchain

3.1. Khái niệm

Blockchain là một loại cơ sở dữ liệu đặc biệt, còn được gọi là sổ cái kỹ thuật số
phi tập trung, được duy trì bởi nhiều máy tính được phân phối trên khắp thế giới. Dữ
liệu blockchain được tổ chức thành các khối, được sắp xếp theo trình tự thời gian và
được bảo mật bằng mật mã.

3.2. Ứng dụng blockchain

3.2.1. Ứng dụng blockchain trong quản lý chuỗi cung ứng

Theo phân tích mới nhất của Emergen Research, chuỗi cung ứng Blockchain
toàn cầu dự kiến sẽ đạt 14.180 triệu USD vào năm 2028, ghi nhận cagr doanh thu
mạnh mẽ 63,9% trong giai đoạn dự báo.
Chuỗi cung ứng Blockchain có thể giúp cho người dùng và các doanh nghiệp
theo dõi các thông tin trong quá trình hoạt động như: giá cả, ngày, vị trí, chất lượng và
các thông tin liên quan để quản lý chuỗi cung ứng hiệu quả. Điều này làm tăng khả
năng minh bạch thông tin cho các bên liên quan.
* Ví dụ: Ứng dụng blockchain trong quản lý chuỗi cung ứng của HTX Mỹ Xương
trong việc truy xuất nguồn gốc của xoài Cát Chu
Xoài Cát Chu là một thương hiệu xoài khá nổi tiếng ở Việt Nam, là một trong
những mặt hàng nông sản đạt sản lượng cao và chất lượng tốt. Tuy nhiên, HTX Mỹ
Xương gặp vấn đề khó khăn trong quá trình quản lý , truy xuất nguồn gốc của quả
xoài dẫn đến thương hiệu bị giả mạo. Khách hàng cuối cùng không thể biết được
nguồn gốc xuất xứ của quả xoài mà mình mua cũng như ngày xuất khỏi cơ sở trồng
trọt. Chuỗi cung ứng không minh bạch, ảnh hưởng đến khả năng tiêu thụ của sản
phẩm.
Khi Blockchain được đưa vào ứng dụng trong quản lý chuỗi cung ứng của
HTX, các bên tham gia trong chuỗi được chia thành 4 mắt xích : mắt xích đầu tiên là
Hợp tác xã, mắt xích thứ hai là bên vận chuyển, mắt xích thứ ba là nhà bán lẻ và cuối
cùng là mắt xích người tiêu dùng. Mỗi một mắt xích có một vai trò riêng, song lại có
mối liên hệ mật thiết đến nhau và đến quản lý chuỗi cung ứng của quả xoài Cát Chu.
Vai trò của các mắt xích trong quản lý chuỗi cung ứng của quả xoài Cát Chu :
HTX có vai trò tạo bản ghi số khởi điểm cho lô hàng, chứa các thông tin xác định lô
hàng ( tên sản phẩm, mã sản phẩm, tiêu chuẩn sản xuất, ngày thu hoạch,..). Đơn vị vận
chuyển xác nhận đơn hàng đã được vận chuyển rời khỏi nơi sản xuất. Ghi lại thông tin
ngày xuất xưởng và cập nhật trạng thái vận chuyển cho lô hàng.
 Nhà bán lẻ sẽ quét mã truy xuất để xác nhận lô hàng đã đến tay và cập nhật tình
trạng của lô hàng. Người tiêu thụ cuối, sẽ sử dụng ứng dụng trên điện thoại hoặc
phương tiện điện tử khác để quét mã truy xuất, lấy thông tin đơn hàng. từ đó họ sẽ
biết được toàn bộ thông tin liên quan về nguồn gốc, nơi sản xuất, ai vận chuyển, tình
trạng, khả năng sử dụng của sản phẩm

Hình 3.2.1. Ứng dụng Blockchain vào truy xuất nguồn gốc xoài Cát Chu
* Ứng dụng Blockchain trong quản lý chuỗi cung ứng dược phẩm của DHL và
Accenture
DHL và Accenture đã hợp tác để đưa công nghệ Blockchain vào ứng dụng
trong việc truy xuất vận chuyển dược phẩm của họ. Nhằm đảm bảo dược phẩm không
bị giả mạo trong suốt chuỗi cung ứng của họ.
Công nghệ Blockchain được sử dụng để mã hóa sản phẩm ( mã hóa số seri) về
nguồn gốc, số lô và hạn sử dụng của dược phẩm. Có thể truy vết mọi lúc mọi nên trên
các thiết bị điện tử. Bên cạnh đó còn ứng dụng vào việc xác minh sản phẩm, kiểm
chứng sản phẩm được cung cấp bởi một nhà máy sản xuất hợp pháp hoặc dược phẩm
đã được vận chuyển và bảo quản một cách phù hợp hay không .
Đơn hàng dược phẩm được mã hóa tại cơ sở sản xuất, sau đó nhà sản xuất có
vai trò xác nhận đơn hàng đã được chuyển đến DHL. Khi hàng được vận chuyển tới
kho của DHL thì công ty này có vai trò nhập liệu vào blockchain các thông tin trên
phiếu xuất kho và khâu lấy hàng, đóng gói hàng hóa. Sau khi các thông tin được nhập
liệu thành công thì DHL tiến hành giao hàng cho khách hàng. Dữ liệu về đơn hàng
được giao nhận đều được mã hóa trên blockchain.
Cuối cùng khi đến tay khách hàng, đơn hàng sẽ được xác thực và xác nhận đã
nhận được hàng. Tất cả mọi dữ liệu về quy trình sản xuất lẫn quy trình vận chuyển
đều được các mắt xích nhập liệu và mã hóa trên blockchain. Nhờ đó mà việc truy xuất
nguồn gốc, vận chuyển của lô hàng đều được dễ dàng theo dõi .
Kết quả của việc ứng dụng Blockchain trong quản lý chuỗi cung ứng dược
phẩm của DHL và Accenture là đảm bảo được tính hợp pháp, tính trung thực của
dược phẩm và các tiêu chuẩn vận chuyển đều được người tiêu dùng kiểm chứng dễ
dàng, đảm bảo tối đa sự đáp ứng của chuỗi cung ứng. Công nghệ Blockchain có thể
xử lý hơn 7 tỷ đơn vị dược phẩm và hơn 1500 giao dịch mỗi giây .
3.2.2. Ứng dụng blockchain trong tài chính ngân hàng.
Theo thống kê của ReportLinker, mức độ đóng góp của Blockchain trong thị
trường dịch vụ tài chính và ngân hàng dự kiến tăng từ 1,17 tỷ USD vào năm 2021 lên
1,89 tỷ USD trong năm 2022 với tốc độ tăng trưởng kép hàng năm (CAGR) là 61,9%.
 Ứng dụng công nghệ Blockchain trong ngành tài chính ngân hàng đó là tiền số
của ngân hàng trung ương (CBDC), huy động vốn (ICO), tài chính phi tập trung
(DEFI, định danh số (NFT), hợp đồng thông minh (Smart Contract), token được thế
chấp bằng tài sản và tư vấn tài chính tự động (robo advisor).
* Ví dụ một số doanh nghiệp Viết Nam đang ứng dụng blockchain trong ngành tài
chính ngân hàng:
Từ năm 2018, các ngân hàng như VietinBank, VIB, TPBank đã thực hiện
chuyển tiền liên ngân hàng bằng ứng dụng Blockchain, HSBC đã ứng dụng L/C từ
năm 2019. Thời gian một bộ hồ sơ L/C được xử lý thành công theo mô hình truyền
thống phải mất 5-10 ngày, nhưng với Blockchain chỉ mất 1 ngày, từ đó giúp tăng năng
suất lao động, giảm bớt thời gian xử lý giấy tờ.
Còn Vietcombank đã ứng dụng thành công Blockchain trên nền tảng Ngân
hàng số VCB Digibank, phát triển dịch vụ VCB Rewards - chương trình tri ân dành
cho khách hàng cá nhân. Nhờ công nghệ Blockchain, toàn bộ quá trình tích điểm và
đổi quà được lưu trữ, cập nhật tự động trên VCB Digibank, cho phép khách hàng chủ
động tra cứu lịch sử tích điểm và thực hiện đổi quà. Hiện tại, Vietcombank đang
nghiên cứu mở rộng ứng dụng Blockchain, hợp tác với các công ty Fintech.
Áp dụng Blockchain trong giao dịch L/C tại HDBank Ngày 31/12/2020
HDBank đã phát hành, xuất trình và thanh toán thành công thư tín dụng trên nền tảng
công nghệ blockchain.Đây là dấu ấn mới trên hành trình phát triển ngân hàng số -
HappyDigital Bank của HDBank, cung cấp thử nghiệm cho khách hàng phương thức
giao dịch thư tín dụng (L/C) hiện đại nhất, công nghệ blockchain.Tham gia vào toàn
bộ giao dịch L/C từ phát hành đến xuất trình chứng từvà thanh toán thành công trên
nền tảng blockchain đầu tiên của HDBank gồm có nhà nhập khẩu hàng đầu ngành sợi.
Công ty cổ phần Sợi thế Kỷ và Tainan Spinning Co. Ltd, một nhà sản xuất và xuất
khẩu sợi hàng đầu Đài Loan cùng với CTBC - ngân hàng thông báo L/C tại Đài
Loan.So với phương thức truyền thống giao dịch L/C blockchain giúp bảo mậtcao, tốc
độ xử lý giao dịch được được rút ngắn rõ rệt (chỉ mất khoảng 2giờ), giảm thiểu công
việc giấy tờ, tiết kiệm thời gian, hạn chế sai sót, đồng thời có thời gian lưu trữ không
giới hạn nhằm phục vụ cho nhu cầu đối chiếu, thống kê, quản lý lịch sử đối tác, khách
hàng; và cho phép cácbên có thể cập nhật tình trạng thực hiện.Nhờ đặc tính công nghệ
blockchain hiện đại hàng đầu và sự hợp tácthương mại với những ngân hàng,
tập đoàn lớn trên thế giới của HDBank và các đối tác, L/C sẽ được đảm bảo
tuyệt đối.
3.2.3. Ứng dụng blockchain trong giáo dục
Hiện nay, blockchain trong cơ sở giáo dục chủ yếu có tác dụng lưu trữ, chia sẻ
hồ sơ học tập và chứng chỉ. công nghệ sẽ tạo ra cuộc cách mạng cho giáo dục theo
nhiều cách: cải thiện cơ hội học tập trọn đời, nâng cao hiệu quả cho các nhà giáo dục
thông qua hợp đồng thông minh, cung cấp cho sinh viên quyền sở hữu hồ sơ học tập
của học sinh.
Về cơ bản, số lượng hồ sơ học sinh là vô tận, việc xác minh chứng chỉ tốn
nhiều thời gian, cần tới nhiều giấy tờ và kiểm tra từng trường hợp một. Blockchain có
thể loại bỏ phần lớn chi phí liên quan đến quá trình này và đơn giản hóa thủ tục xác
minh, tiết kiệm thời gian, công sức cho người quản lý khi nói đến những việc như
chuyển trường. Sử dụng blockchain, một học viên nhận học sinh chuyển trường sẽ xác
minh được hồ sơ, khóa học chỉ bằng vài cú nhấp chuột. Mô hình cũng tương tự khi
chia sẻ hồ sơ với nhà tuyển dụng.
* Ví dụ về ứng dụng blockchain của vnpt trong giáo dục:
VNPT xây dựng hệ sinh thái định danh điện tử từ việc ứng dụng chữ ký số vào
học bạ điện tử cũng như các ứng dụng vào văng bằng điện tử nhằm thực hiện ý tưởng
số hóa hồ sơ, nhằm giúp người nhận xác minh được tính xác thực của văn bằng, cũng
như học bạ trên môi trường số.
Ứng dụng vào học bạ điện tử, bằng cấp điện tử: Thiết kế bảng điểm điện tử,
học bạ điện tử tồn tại vĩnh viễn cũng vô giá với những người muốn học tập trọn đời.
Họ liên tục học hỏi các kỹ năng mới, mài giũa kỹ năng cũ, dù là để lấy bằng hay
chứng chỉ số. Học tập trọn đời ngày càng quan trọng trong một thế giới biến động
không ngừng, do đó, nhu cầu lưu trữ chứng chỉ dựa trên blockchain cũng tăng lên.
Ứng dụng chữ ký số trong học bạ điện tử, văn bản điện tử: Với việc ứng dụng
ký số trực tiếp vào học bạ điện tử nhằm giảm thiểu tối đa việc giáo viên cần in ra giấy
việc này cũng góp phần tối ưu hoạt động hệ thống giáo dục, giáo viên có trải nghiệm
tốt trên môi trường số, VNPT Hồ Chí Minh sẽ triển khai thêm nhiều nền tảng ứng
dụng phục vụ phụ huynh, học sinh, giáo viên, và nhà trường, nhằm đưa vào khai thác
vận hành có hiệu quả CSDL tập trung của ngành giáo dục, ứng dụng công nghệ mới
nhất để đảm bảo toàn vẹn dữ liệu trên môi trường số, kết nối trục liên thông văn bản
phục vụ công tác quản trị văn bản trên môi trường số.

3.2.4. Ứng dụng blockchain trong lĩnh vực y tế

Ứng dụng của blockchain trong lĩnh vực y tế có thể đem lại nhiều lợi ích, bao gồm:

- Chủ động quản lý hồ sơ bệnh án: Thay vì dữ liệu bệnh án của người dùng lưu
trữ trên máy chủ của nhiều bệnh viện khác nhau thì nay người dùng là chủ sở
hữu chính bệnh án của mình, được lưu trữ chung hồ sơ y tế và hồ sơ bảo hiểm
trong cùng một tài khoản trên nền tảng Blockchain. Việc cập nhật lịch sử sức
khỏe liên tục giúp người dùng xem được thông tin mới nhất, chính xác nhất vào
bất kỳ lúc nào; đồng thời cho phép bệnh viện cũng truy cập trực tiếp vào dữ
liệu mới nhất đảm bảo khả năng chăm sóc tốt nhất khi bệnh nhân nhập viện
hoặc cấp cứu.
- Truy xuất nguồn gốc dược phẩm: Blockchain có thể được ứng dụng truy xuất
nguồn gốc nguồn gốc dược phẩm, thuốc hoặc các thiết bị y tế tại các hệ thống
nhà thuốc, đảm bảo thuốc được nhập từ các nguồn cung cấp uy tín, chất lượng
cao. Đồng thời tạo bản ghi dữ liệu để quản lý quá trình phân phối và tiêu thụ
thuốc tại các đơn vị y tế, bệnh viện một cách minh bạch và chính xác.
- Lưu trữ thông tin khám chữa bệnh: Blockchain được sử dụng trong các hệ
thống quản lý và lưu trữ toàn bộ thông tin khám chữa bệnh của bệnh viện (bao
gồm cả bệnh nhân, chuỗi cung ứng thiết bị y tế, thuốc) theo thời gian thực với
độ bảo mật dữ liệu cao, chỉ những thành viên sở hữu khoá bí mật mới có quyền
truy cập. Từ đó tăng cường quản lý chất lượng của bệnh viện, tạo bản ghi bảo
vệ quyền lợi của cả bác sĩ và bệnh nhân. Dữ liệu lưu trữ trên Blockchain là bất
biến giúp phát hiện gian lận bằng cách không cho phép bất kỳ sự trùng lặp hoặc
sửa đổi nào trong giao dịch và cuối cùng cho phép giao dịch minh bạch và an
toàn.
- Liên thông dữ liệu trong hệ thống: Dữ liệu trên Blockchain được liên thông
dữ liệu giữa các đơn vị y tế khác trong cùng một hệ thống y tế. Hỗ trợ bác sĩ có
thể truy cập xem hồ sơ bệnh án trực tiếp và đối chiếu với dữ liệu gốc được
 được lưu trữ trong điện thoại của người dân. Từ đó tạo điều kiện thuận lợi để
bệnh nhân có thể thay đổi giữa các cơ sở khác trong hệ thống mà không cần
mang theo thủ tục giấy tờ về bệnh án của mình. Đồng thời phục vụ nghiên cứu
y tế, xét nghiệm lâm sàng cần thiết.
- Bảo mật thông tin: Mỗi người tham gia kết nối với mạng Blockchain sẽ được
cấp một khóa bí mật và một chìa khóa công khai hoạt động như một định danh
để có thể theo dõi được thông tin cá nhân hay hồ sơ bệnh án của mình. Cặp
chìa khoá này được liên kết mã hóa sao cho việc nhận dạng chỉ có thể thực hiện
theo một hướng bằng cách sử dụng chìa khóa riêng. Chính vì thế, để có thể
theo dõi được hồ sơ bệnh án của bệnh nhân, cần thiết các đơn vị y tế/ bệnh viện
được phải được chia sẻ khoá riêng để mở khóa danh tính của bệnh nhân và truy
cập vào các dữ liệu được lưu trữ trong Blockchain có liên quan đến hồ sơ của
họ.

* Ví dụ VBC (Việt Nam Blockchain Coporation) đã và đang thực thi quá trình nghiên
cứu trang bị Blockchain vào lĩnh vực Y tế điện tử

Một số ứng dụng Blockchain do VBC cung cấp trong lĩnh vực Y tế điện tử:

● Hồ sơ xét nghiệm Covid-19 (CovidPass.vn)

● Tích hợp công nghệ Blockchain vào các hệ thống quản lý thông tin của
bệnh viện

● Hệ thống tiếp nhận bệnh nhân thông minh

● Thiết bị y tế tích hợp IoT và Blockchain

● Truy xuất nguồn gốc dược phẩm

● Bảo mật thông tin cá nhân của bệnh nhân

3.2.5. Ứng dụng blockchain lĩnh vực năng lượng

Blockchain có thể được áp dụng rộng rãi trong lĩnh vực năng lượng để cải thiện quản
lý, giao dịch và tích hợp các nguồn năng lượng tái tạo. Dưới đây là một số ứng dụng
cụ thể:
 - Quản lý chuỗi cung ứng năng lượng: Blockchain có thể giúp theo dõi nguồn
gốc và lưu trữ dữ liệu về sản xuất, vận chuyển và tiêu thụ năng lượng từ các
nguồn tái tạo như điện mặt trời, gió, thủy điện. Điều này có thể giúp tăng
cường minh bạch và giảm thiểu lãng phí trong quá trình sản xuất và phân phối
năng lượng.
- Thị trường năng lượng dựa trên blockchain: Blockchain có thể tạo ra các thị
trường năng lượng phân tán, cho phép người dùng bán hoặc mua năng lượng
trực tiếp từ nhau mà không cần thông qua các nhà cung cấp trung gian. Điều
này có thể tạo điều kiện thuận lợi cho người tiêu dùng sản xuất năng lượng (ví
dụ: từ các hệ thống điện mặt trời) để chia sẻ năng lượng dư thừa và kiếm lợi
nhuận từ việc bán lại năng lượng này.
- Quản lý tiêu thụ năng lượng: Blockchain có thể được sử dụng để theo dõi và
quản lý việc sử dụng năng lượng tại các hộ gia đình và doanh nghiệp. Việc sử
dụng hợp đồng thông minh có thể giúp tự động hóa việc thanh toán năng lượng
và tối ưu hóa việc tiêu thụ.
- Quản lý lưới điện thông minh: Blockchain có thể hỗ trợ việc xây dựng các
lưới điện thông minh (smart grids) để quản lý và phân phối năng lượng một
cách hiệu quả hơn, đồng thời tích hợp các nguồn năng lượng tái tạo và phát
triển công nghệ lưu trữ năng lượng.
Những ứng dụng này giúp tối ưu hóa quản lý năng lượng, tăng cường tính minh bạch
và tiết kiệm chi phí, cũng như tạo ra một hệ thống năng lượng sạch và bền vững hơn.
Tuy nhiên, việc triển khai blockchain trong lĩnh vực năng lượng cần phải vượt qua
nhiều thách thức kỹ thuật, pháp lý và cả về chuẩn hóa để đạt được hiệu quả cao nhất.

4. Ngôn ngữ lập trình sử dụng phát triển trí tuệ nhân tạo

4.1. Ngôn ngữ Python

4.1.1. Đặc điểm

● Cú pháp đơn giản, dễ học, tập trung vào tính đọc hiểu do đó giảm chi phí bảo
trì chương trình
● Có nhiều thư viện và framework mạnh mẽ cho AI như TensorFlow, PyTorch,
 scikit-learn, và Keras .

4.1.2. Ưu điểm

Độ Phổ Biến Cao: Python là một ngôn ngữ lập trình phổ biến và có cộng đồng lớn,
điều này giúp nhanh chóng chia sẻ và tiếp cận các thư viện, framework phát triển trí
tuệ nhân tạo như TensorFlow, PyTorch, và scikit-learn.

Dễ Đọc và Viết: Python có cú pháp đơn giản, dễ đọc và viết, làm cho việc phát triển
và duy trì mã nguồn dễ dàng hơn.

Hỗ Trợ Đa Dạng Công Nghệ: Python hỗ trợ nhiều loại mô hình máy học và trí tuệ
nhân tạo, từ machine learning đến deep learning.

4.1.3. Nhược điểm

Tốc Độ Thực Thi Chậm: So với một số ngôn ngữ khác như C++, Python có thể chậm
trong việc thực thi mã nguồn, đặc biệt là đối với các nhiệm vụ yêu cầu hiệu suất cao.

4.1.4. Dự án ứng dụng

4.1.4.1. TensorFlow và PyTorch

Đây là 2 framework sử dung Python. Dự Án Deep Learning sử dụng 2 framework

này:

● TensorFlow: dự án AlphaGo của DeepMind - công ty nghiên cứu trí tuệ nhân
tạo của Alphabet Inc, xây dựng và đào tạo mô hình cho khả năng chơi cờ vua
Go cấp cao.
● BERT (sử dụng PyTorch) là một mô hình pre-trained cho xử lý ngôn ngữ tự
nhiên, được phát triển bởi Google Research.
 Hình 4.1.4.1. AI chơi cờ trong dự án của AlphaGo

4.1.4.2. Thư viện Scikit-learn cho Machine Learning

● Cung cấp các công cụ cho các nhiệm vụ học máy thông thường như phân loại,
hồi quy, clustering, giảm chiều dữ liệu, và các công cụ đánh giá mô hình.
● Tương thích với nhiều thư viện và framework khác nhau trong hệ sinh thái
Python như NumPy, SciPy, và Matplotlib.

4.2. Ngôn ngữ C++

4.2.1. Đặc điểm

● Ngôn ngữ hướng đối tượng, hỗ trợ trừu tượng hóa dữ liệu bằng cách sử dụng
lớp, đối tượng và kế thừa.
● C++ là ngôn ngữ biên dịch, có nghĩa là nó được chuyển đổi trực tiếp thành mã
máy có thể chạy trên máy tính.

4.2.3. Nhược điểm

● Cú Pháp Phức Tạp: C++ có cú pháp phức tạp hơn so với Python, làm tăng độ
phức tạp của mã nguồn và đồng thời cũng có thể làm giảm sự nhanh chóng
trong việc phát triển.
4.2.4. Dự án ứng dụng

4.2.4.1 Thư viện OpenCV

● Sử dụng C++ để triển khai các thuật toán nhận diện khuôn mặt, từ việc xác
định vùng khuôn mặt đến việc nhận diện đặc điểm như mắt, mũi, và miệng.
● Xây dựng hệ thống theo dõi đối tượng: sử dụng C++ để giám sát và theo dõi
đối tượng qua các khung hình.
● Sử dụng C++ để xử lý video, bao gồm làm mờ, cắt ghép, và áp dụng các hiệu
ứng khác vào các khung hình.

Hình 4.2.4.1. Dự án OpenCV nhận diện khuôn mặt

4.2.4.2. Game Development

● Unreal Engine là một công cụ phát triển trò chơi và ứng dụng 3D, cung cấp
một hệ thống AI mạnh mẽ để phát triển trí tuệ nhân tạo cho NPC (Non-Player
Characters) trong trò chơi.
● C++ để tạo ra hệ thống điều khiển đối tượng thông minh, giúp NPC di chuyển,
tương tác và đáp ứng môi trường xung quanh.
● C++ được sử dụng để triển khai các thuật toán học máy, như máy học để NPC
có thể học từ trải nghiệm và thích ứng với cách người chơi chơi.
● C++ hỗ trợ việc xử lý sự kiện trong trò chơi, giúp tạo ra các kịch bản AI phức
 tạp và phản ứng linh hoạt đối với hành động của người chơi.
● Trong Unreal Engine, nhiều trò chơi nổi tiếng như "Fortnite" và "Gears of War"
đã sử dụng C++ để triển khai các hệ thống AI phức tạp cho NPC

Hình 4.2.4.2. Giao diện ứng dụng Unreal Engine

TÀI LIỆU THAM KHẢO

1/ https://www.sitepoint.com/

2/ https://www.mageplaza.com/blog/

3/ https://vwo.com/blog/

4/ https://thenextweb.com/news/

5/ https://www.ibm.com/watson

6/ https://www.youtube.com/watch?v=PlSlqd277ck7/

7/ https://imotions.com/products/hardware/brand/affectiva/

8/ https://www.amoon.fund/portfolio/zebra-medical-vision/

9/ https://www.cognex.com/

10/ https://www.atomwise.com/

11/ https://www.tempus.com/

12/ https://emerj.com/ai-sector-overviews/artificial-intelligence-at-amazon/

13/ https://www.thegioididong.com/game-app/

14/ https://vinbigdata.com/kham-pha/cong-nghe-tu-dong-nhan-dang-tieng-noi.html

15/ https://tamanhhospital.vn/chan-doan-hinh-anh-nghe-doan-benh-qua-anh/

16/ https://sof.edu.vn/khoa-hoc-phan-tich-du-lieu-tai-chinh-bang-python/

17/ https://vnu.edu.vn/ttsk/?C1654/N22816/